GitHub открыл публичное preview для Agent tasks REST API: теперь Copilot cloud agent можно запускать не только из интерфейса GitHub, IDE или issue, но и программно — из внутренних порталов, скриптов и автоматизаций. Это важный шаг: Copilot постепенно превращается из помощника «рядом с разработчиком» в backend-сервис, который можно встроить в инженерные процессы компании.
Почему это важнее обычного обновления Copilot
13 мая 2026 года GitHub сообщил, что пользователи Copilot Business и Copilot Enterprise могут программно запускать задачи Copilot cloud agent через новый REST API. Официально функция находится в public preview, то есть уже доступна для тестирования, но интерфейсы и поведение API ещё могут измениться.
Главное изменение не в том, что Copilot научился писать ещё один кусок кода. Это он уже делал раньше. Новость в другом: теперь задачу AI-агенту можно поставить из внешней системы.
Раньше типовой сценарий выглядел так: разработчик открывает GitHub, issue, IDE или чат, формулирует задачу и вручную делегирует её Copilot. Теперь такую же операцию можно встроить в backend-логику компании: например, во внутренний портал разработчика, release-процесс, скрипт миграции или систему управления задачами.
GitHub описывает это как способ «вплести» Copilot cloud agent в собственные автоматизации. Среди примеров: массовый запуск рефакторинга по множеству репозиториев, подготовка новых репозиториев из внутреннего портала и автоматическая подготовка еженедельного релиза с release notes. Подробности опубликованы в GitHub Changelog и GitHub Docs.
Что такое Copilot cloud agent
Copilot cloud agent — это облачный AI-агент, которому можно поручить задачу в репозитории.
Он может изучить проект, составить план реализации, внести изменения в отдельной ветке, запустить проверки и подготовить pull request. Разработчик при этом не обязан держать локальную IDE открытой: агент работает в собственной временной среде разработки, построенной вокруг GitHub Actions.
Если объяснять совсем просто, раньше Copilot чаще был похож на ассистента, который сидит рядом и помогает писать код. Cloud agent ближе к младшему автоматизированному исполнителю: ему можно дать небольшую задачу, он уйдёт в отдельную среду, попробует её выполнить, а затем принесёт изменения на ревью.
GitHub прямо разделяет два режима:
| Режим | Где работает | Как используется |
| Copilot agent mode в IDE | В локальной среде разработчика | Помогает править код прямо в редакторе |
| Copilot cloud agent | В облачной среде GitHub | Самостоятельно выполняет задачу, создаёт ветку и может открыть pull request |
| Agent tasks REST API | Через внешние системы | Позволяет запускать и отслеживать задачи программно |
Именно третий пункт делает новость особенно заметной. Copilot перестаёт быть только интерфейсной функцией и становится частью программируемой инфраструктуры разработки.
Как работает новый Agent tasks REST API
В документации GitHub указано, что для запуска новой задачи используется POST-запрос к endpoint:
POST /agents/repos/{owner}/{repo}/tasksЕдинственный обязательный параметр — prompt, то есть текстовое задание для агента. Дополнительно можно указать базовую ветку через base_ref, выбрать модель через model и задать, должен ли агент создать pull request.
Простейший пример из документации выглядит так:
curl -X POST \
-H "Accept: application/vnd.github+json" \
-H "X-GitHub-Api-Version: 2022-11-28" \
-H "Authorization: Bearer YOUR-TOKEN" \
https://api.github.com/agents/repos/OWNER/REPO/tasks \
-d '{
"prompt": "Fix the login button on the homepage",
"base_ref": "main"
}'После запуска задачу можно не только отправить, но и отслеживать через API. В справочнике REST API перечислены операции для списка задач в репозитории, запуска задачи, получения конкретной задачи и просмотра задач.
По сути, GitHub добавляет слой управления AI-задачами: не просто «попросить Copilot что-то сделать», а создавать задачи, фильтровать их по состоянию, смотреть прогресс и встраивать это в рабочий процесс.
Кому функция доступна сейчас
На момент публикации API доступен организациям и компаниям с тарифами Copilot Business и Copilot Enterprise. GitHub отдельно указывает, что поддержка Copilot Pro и Pro+ пользователей, а также GitHub App installation access tokens должна появиться позже.
Сейчас для API поддерживаются пользовательские сценарии авторизации: personal access token, OAuth app token и GitHub App user-to-server token. При этом server-to-server токены, включая GitHub App installation access tokens, пока не поддерживаются для запуска задач через этот API.
Это важное ограничение для компаний, которые хотели бы сразу подключить полностью автономные GitHub App-интеграции. На практике на первом этапе API больше подходит для внутренних инструментов, где действие запускается от имени пользователя или через контролируемый пользовательский токен.
Что можно автоматизировать на практике
Новый API особенно интересен не для разовой генерации кода, а для повторяемых инженерных процессов.
Массовые изменения в репозиториях
Если компания поддерживает десятки или сотни сервисов, даже простое изменение может превращаться в долгую рутину. Например:
- обновить deprecated API во всех микросервисах;
- заменить старый пакет на новый;
- поправить шаблон конфигурации;
- привести документацию к единому формату;
- добавить одинаковые проверки в несколько проектов.
Раньше такие задачи часто решались вручную, через скрипты или внутренние платформенные команды. Теперь часть подобных изменений можно запускать как набор задач для Copilot cloud agent, а результат получать в виде pull request для ревью.
Внутренний портал разработчика
Во многих компаниях есть internal developer portal: место, где разработчик создаёт новый сервис, подключает шаблоны, смотрит документацию, проверяет статус окружений и запускает типовые операции.
С Agent tasks API такой портал может получить кнопку вроде «подготовить миграцию», «добавить healthcheck», «обновить README», «создать release notes». Пользователь нажимает кнопку, backend портала формирует prompt, отправляет его в GitHub, а Copilot cloud agent выполняет работу в репозитории.
Подготовка релизов
GitHub сам приводит пример еженедельной подготовки релиза. Это понятный сценарий: агент может собрать изменения, обновить release notes, поправить метаданные, подготовить ветку и pull request. Финальное решение всё равно остаётся за человеком, но рутинная часть процесса может стать быстрее.
Почему это меняет роль AI в разработке
До сих пор многие AI-инструменты для программирования воспринимались как «умный автокомплит» или чат рядом с кодом. Новый API двигает Copilot в сторону платформенной функции.
Это похоже на переход от ручного запуска задачи к очереди фоновых работ. Только вместо обычного job worker здесь работает AI-агент, который понимает репозиторий, умеет менять файлы и может пройти часть стандартного цикла разработки.
Для бизнеса это означает три вещи.
Во-первых, AI можно встроить в процессы, а не ждать, пока каждый разработчик сам решит открыть чат. Во-вторых, задачи становятся наблюдаемыми: их можно запускать, смотреть статус, связывать с pull request и проверками. В-третьих, появляется возможность масштабировать небольшие изменения сразу по нескольким проектам.
Но это не отменяет ревью. Наоборот, значение ревью возрастает: чем проще запускать AI-задачи, тем важнее правила, ограничения, тесты, владельцы кода и контроль доступа.
Что важно учитывать перед внедрением
Agent tasks API находится в public preview, поэтому его не стоит сразу воспринимать как окончательно стабильный интерфейс для критичных процессов. Для экспериментов и внутренних прототипов он уже полезен, но production-интеграции лучше строить с запасом: учитывать возможные изменения API, ошибки выполнения задач и ограничения доступа.
Также важно заранее определить границы:
| Вопрос | Почему это важно |
| Кто может запускать задачи агента | Чтобы AI не менял код в неподходящих репозиториях |
| Какие репозитории доступны Copilot cloud agent | Чтобы не открыть доступ к чувствительным проектам без необходимости |
| Какие задачи разрешены | Чтобы агент не запускал рискованные изменения без контроля |
| Кто ревьюит pull request | Чтобы результат не попадал в main без человеческой проверки |
| Какие проверки обязательны | Чтобы изменения проходили тесты, линтеры и security checks |
GitHub в документации отдельно описывает, что cloud agent работает в временной среде разработки и может запускать автоматизированные тесты и линтеры. Но это не означает, что результат всегда будет правильным. AI-агент может ошибиться в логике, неправильно понять контекст или предложить изменение, которое проходит тесты, но нарушает продуктовую задумку.
Связанные обновления показывают общий курс GitHub
Новость про Agent tasks API вышла не изолированно. Рядом с ней GitHub опубликовал несколько связанных обновлений Copilot.
13 мая компания также сообщила о Copilot CLI agent и unified sessions view для JetBrains IDEs. 14 мая GitHub объявил техническое preview отдельного GitHub Copilot app — desktop-опыта для agentic development. В тот же день Copilot cloud agent получил поддержку auto model selection: при выборе Auto система сама подбирает модель с учётом состояния системы и производительности модели.
Вместе эти обновления показывают направление: GitHub строит не просто набор AI-фич, а единую среду для агентной разработки. В ней задачи можно запускать из IDE, GitHub, desktop-приложения, CLI и теперь через API.
Что это значит для разработчиков
Для обычного разработчика ближайшее последствие простое: часть рутинных задач будет всё чаще приходить не как «сделай руками», а как готовый pull request от AI-агента.
Это не делает разработчика лишним. Но меняет фокус работы. Больше внимания уходит на постановку задачи, формулировку требований, проверку результата, архитектурные решения и контроль качества.
Навык написания понятных задач для AI-агента становится похож на навык написания хорошего issue: чем точнее контекст, ограничения и ожидаемый результат, тем меньше риск получить бесполезный diff.
Что пока неизвестно
GitHub пока не раскрыл все детали будущей доступности API для индивидуальных пользователей Copilot Pro и Pro+. Также остаётся открытым вопрос, когда появится поддержка GitHub App installation access tokens, которая особенно важна для более автономных серверных интеграций.
Кроме того, public preview означает, что API может измениться. Поэтому компаниям, которые захотят встроить Copilot cloud agent в свои платформенные процессы, стоит начинать с ограниченных сценариев: документация, небольшие рефакторинги, тесты, release notes, шаблонные изменения.
Итог
Agent tasks REST API — это небольшой по форме, но важный по смыслу шаг. GitHub Copilot становится не только инструментом внутри редактора, но и программируемым backend-компонентом разработки.
Если раньше AI-агенту в основном вручную поручали задачи через интерфейс, теперь его можно запускать из собственных систем. Для команд это открывает путь к автоматизации рутинных изменений, массовых миграций и подготовки pull request. Но вместе с этим растёт необходимость в правилах доступа, обязательных проверках и внимательном code review.
